Aplikasi Pemetaan Berbasis Website Untuk Pusat Kesehatan Masyarakat Di Wilayah Kabupaten Malang

Ariwibisono

2021

jati

Kemiskinan menjadi salah satu permasalahan di negara berkembang, bantuan sosial merupakan salah satu cara untuk mengurangi tingkat kemiskinan. Dalam penerapannya masih ada penerima bantuan sosial yang kurang tepat sasaran dikarenakan penggunaan data yang kurang maksimal serta minimnya informasi dan letak geografis, termasuk di Kelurahan Karangbesuki. Sebagai solusi masalah ini, diperlukan sistem informasi geografis yang menampilkan informasi mengenai pemetaan warga kurang mampu, diharapkan dengan adanya sistem informasi geografis tersebut dapat memberikan informasi dan mengelompokkan warga kurang mampu, serta mengetahui lokasi warga kurang mampu. Sistem yang akan dibangun yaitu sistem informasi geografis pemetaan warga kurang mampu meng-gunakan metode clustering serta dikombinasikan dengan QGIS 2.18. Metode clustering yang digunakan dalam sistem ini adalah metode K-Means clustering, kriteria yang digunakan pada pengelompokan data berupa umur, pekerjaan, pendidikan dan tanggungan keluarga. Dari hasil pengujian sistem informasi geografis menggunakan K-Means Clustering dengan 3 cluster untuk pengelompokan warga di kelurahan Karangbesuki, dengan menggunakan 325 sampel data, terdapat hasil pengelompokan sebanyak 178 (55%) warga yang tidak layak menerima bantuan, 99 (30%) warga yang kurang layak menerima bantuan dan 48 (15%) warga yang layak menerima bantuan. Berdasarkan hasul pengujian kinerja sistem dengan membandingkan pengelompokan secara manual atau data lama dengan pengelompokan pada sistem, sistem ini cukup baik dalam mengklasifikasi warga kurang mampu dengan tingkat akurasi 91%.

Section: Tinjauan Pustaka 21 Penelitian Terdahuluunclassified

Sistem Informasi Geografis Pemetaan Warga Kurang Mampu Di Kelurahan Karang Besuki Menggunakan Metode K-Means Clustering

Hasymi

Ariwibisono

2021

jati

“…Adapun tujuan dari dilakukannya penelitian ini, untuk merancang dan membuat Sistem Informasi Geografis Berbasis Website Pusat Kesehatan Masyarakat Di Wilayah Kabupaten Malang, sehingga memudahkan masyarakat dalam mencari fasilitas dan pelayanan kesehatan yang diinginkan. [3] Penelitian kedua dilakukan oleh Messy Arbina pada tahun 2019. Pada penelitian kedua ini mengangangkat masalah pada komoditi perkebunan hasil panen di provinsi Kalimantan Tengah yang masih disajikan dalam bentuk laporan statistik.…”

Section: Tinjauan Pustaka 21 Penelitian Terdahuluunclassified

Penerapan Metode K-Means Clustering Untuk Pemetaan Daerah Rawan Kecelakaan Lalu Lintas Di Kota Malang Berbasis Website

Vernanda¹,

Vendyansyah

2021

jati

Kecelakaan Lalu Lintas atau yang biasa disebut dengan laka lantas di Kota Malang pada tahun 2019, telah mengalami peningkatan yang sangat pesat. Yakni telah terjadi kasus sebanyak 174 kejadian, dan menewaskan sebanyak 34 korban meninggal dunia. Sedangkan di tahun 2020, kasus kecelakaan lalu lintas yang terjadi lebih sedikit dibandingkan tahun 2019, di tahun 2020 terjadi sebanyak 49 kasus dan korban meninggal dunia ada 3 orang. Selain itu di Kota Malang saat ini belum memiliki sistem untuk menunjukkan lokasi daerah rawan kecelakaan lalu lintas. Dari permasalahan yang diuraikan tersebut, perlu adanya website pemetaan daerah rawan kecelakaan lalu lintas di Kota Malang. Pengelompokkan tiap daerah dibagi menjadi 3 cluster yakni Sangat Rawan(SR), Rawan(R), dan Cukup Rawan (CR) dengan menggunakan metode K-Means Clustering. Hasil dari pengelompokkan ini berdasarkan 5 kecamatan di Kota Malang. 5 Kecamatan tersebut Kecamatan Blimbing, Kecamatan Kedungkandang, Kecamatan Klojen, Kecamatan Sukun, dan Kecamatan Lowokwaru dan 6 ruas jalanpada setiap kecamatan. Data yang diolah dalam penelitian ini bersumber dari Satlantas Polresta Malang Kota. Pembuatan peta untuk webiste ini menggunakan aplikasi QGIS versi 2.18, dengan menggunakan bahasa pemrograman PHP Nativ, dan memakai framework CSS Boostrap, dan MySQL sebagai databasenya. Pengujianmetode K-Means pada website ini menggunakan bidang unsupervised learning, yaitu lift ratio. Berdasarkan pengujian metode K-Means dengan menggunakan lift ratio menunjukkan hasil 2,5. Hasil pemetaan menunjukkanterdapat satu kecamatan masuk ke dalam kelompok Sangat Rawan(SR) yaitu Kecamatan Lowokwaru. Kecamatan Blimbing, Kecamatan Klojen, dan Kecamatan Sukun masuk dalam cluster Rawan(R), dan yang terakhir Kecamatan Kedungkandang masuk pada cluster Cukup Rawan(CR).

“…Berdasarkan hal tersebut diperlukan sistem yang dapat memetakan pusat kesehatan masyarakat khususnya di wilayah Kabupaten Malang berupa Web Sistem Informasi Geografis. [4] Selanjutnya penelitian mengenai "Sistem Informasi Geografis Pemetaan Daerah Perkebunan Dan Komoditas Hasil Panen Provinsi Kalimantan Tengah". Tujuan penelitian ini yaitu untuk mempermudah pemerintah mengelola data lapangan secara cepat dan terperinci serta pemerintah juga dapat mendata pemilik lahan perkebunan untuk penyaluran bantuan serta pemilihan supplier untuk uni-unit pembuka usaha yang memerlukan bahan dari hasil panen perkebunan.…”

Section: Tinjauan Pustaka 21 Penelitian Terdahuluunclassified

Sistem Informasi Geografis Pemetaan Hasil Produksi Tebu Dengan Metode K-Means Di Kabupaten Malang

Yunianto

Vendyansyah

2021

jati

Data informasi mengenai perkebunan tebu yang ditampilkan oleh Dinas Tanaman Pangan dan Hortikultura dan Perkebunan kabupaten Malang pada website, masih belum menampilkan secara lengkap mengenai data perkebunan tebu. Data yang ditampilkan masih berupa data tertulis berbentuk softfile, buku atau junal, dan belum menampilkan visualisasi data kedalam bentuk pemetaan. Sistem Informasi Geografis pemetaan hasil produksi tebu dengan metode k-means dapat menjadi solusi dari permasalahan yang diuraikan. Sistem akan menampilkan informasi mengenai data perkebunan tebu dikabupaten malang, dan juga dilengkapi pemetaan produksi tebu berdasarkan jumlah produksi pada setiap kecamatan dengan menggunakan metode K-means. Pada pengelompokan pemetaan, dibagi menjadi 3 cluster yaitu dengan jumlah produksi tinggi, sedang, dan rendah. Hasil pengujian user menunjukan bahwa hasil uji untuk Sangat Baik sebesar 28,58%, Baik sebesar 46,42%, Cukup Baik sebesar 25% dan Kurang Baik 0%. Hasil clustering k-means pada program menunjukkan jumlah C1 (Tinggi) = 23 data, C2 (Sedang) = 55, dan C3 (Rendah) = 21 data. dan hasil pemetaan yang dibedakan dengan warna sudah sesuai, dimana untuk hasil produksi "tinggi" digunakan warna biru, produksi “sedang” warna merah, produksi “rendah” warna kuning.